Effect van een ML elektronisch waarschuwingsbeheersysteem om het gebruik van spoedeisende hulpbezoeken en ziekenhuisopnames te verminderen

Wekelijks rapporteerden HCA's na het huisbezoek over de functionele status van de deelnemers met behulp van een smartphone-applicatie die 23 functionele items over elke deelnemer registreerde (bijvoorbeeld het vermogen om te staan, bewegen, eten, humeur, eenzaamheid). Er werd een voorspellend systeem ontwikkeld dat gebruik maakte van Machine Learning-technieken (d.w.z. gebruik maken van willekeurige bosvoorspellers) en genereerde zeven tot veertien dagen durende voorspellende waarschuwingen voor het risico van een bezoek aan de spoedeisende hulp aan verpleegkundigen.

Deze vragenlijst richtte zich op functionele en klinische autonomie (dwz activiteiten in het dagelijks leven), mogelijke medische symptomen (bijv. vermoeidheid, vallen en pijn), gedragsveranderingen (bijv. herkenning en agressiviteit) en communicatie met de HA of hun omgeving. . Deze vragenlijst bestaat uit zeer eenvoudige en gemakkelijk te begrijpen vragen, die een globaal beeld geven van de toestand van de persoon. Op elk van de 23 vragen werd een ja/nee antwoord gevraagd. Door HA's geregistreerde gegevens werden in realtime naar een beveiligde server gestuurd om te worden geanalyseerd door ons machine learning-algoritme, dat het risiconiveau voorspelde en dit weergaf op een webgebaseerd beveiligd medisch apparaat genaamd PRESAGE CARE, dat CE-gemarkeerd is. Met name wanneer het algoritme een hoog risiconiveau voorspelde, werd er een waarschuwing in de vorm van een melding op het scherm getoond aan de coördinerend verpleegkundige van het zorgnetwerkcentrum van de wijk. Deze risicomelding ging vergezeld van informatie over recente veranderingen in de functionele status van de patiënt, geïdentificeerd uit de dossiers van de HA's, om de coördinerende verpleegkundige te helpen bij de interactie met de mantelzorger en andere gezondheidswerkers.

Bij een alarm belde de coördinerend verpleegkundige de mantelzorger om te informeren naar recente veranderingen in de gezondheidstoestand van de patiënt en om twijfel weg te nemen. Vervolgens kon zij besluiten om een ​​gezondheidsinterventie te vragen volgens een gezondheidsinterventiemodel dat vóór de start van de behandeling was ontwikkeld. studie. Kort gezegd bestond deze door alert getriggerde gezondheidsinterventie (ATHI) uit het bellen van de verpleegkundige van de patiënt (als de patiënt regelmatig huisbezoeken van een verpleegkundige had) of de huisarts van de patiënt en hen informeren over een verslechtering van de functionele status van de patiënt en een potentieel risico. van een bezoek aan de spoedeisende hulp of een ongeplande ziekenhuisopname in de komende dagen volgens het eHealth-systeemalgoritme. Dit ATHI-model werd gepresenteerd en goedgekeurd door de Agences Régionales de Santé van de regio's die bij ons onderzoek betrokken waren